Фронт Парето из многокритериальной оптимизации. Кредит: APL Machine Learning (2024). DOI: 10.1063/5.0187208. APL Machine Learning (2024). DOI: 10.1063/5.0187208
Будучи самым распространенным источником энергии на Земле, солнечная энергия является многообещающей альтернативой в повороте к чистой энергии. Однако современные коммерческие солнечные элементы имеют эффективность преобразования света в полезную энергию всего 20%.
Тандемные солнечные элементы, в которых несколько солнечных элементов укладываются друг на друга, потенциально более эффективны. Каждый слой ячеек чувствителен к разным длинам волн света, что позволяет улавливать энергию, которая в противном случае могла бы быть потеряна.
Верхний слой тандемного солнечного элемента обычно позволяет определенным полосам световой энергии проходить и улавливаться нижним слоем. Было обнаружено, что изготовление верхнего слоя из материала, известного как перовскит, повышает эффективность солнечного элемента намного выше текущего порогового значения в 20%.
Доктор Сюэ Хансонг из Сингапурского университета технологий и дизайна (SUTD) объясняет, что перовскитные солнечные элементы «можно адаптировать для получения выдающихся оптоэлектронных свойств, включая высокий коэффициент поглощения, высокую устойчивость к дефектам и настраиваемую запрещенную зону».
Эти ячейки могут быть сложными в проектировании и изготовлении. Максимизация их эффективности часто достигается за счет увеличения материальных затрат.
Для проектирования перовскитных солнечных ячеек, которые обеспечивают баланс между эффективностью и экономической эффективностью, используется метод оптимизации фронта Парето, при котором оптимальные решения определяются на основе их компромиссов между двумя параметрами эффективности и стоимости. Но этот метод может быть чрезвычайно трудоемким из-за огромной сложности используемых расчетов.
Чтобы решить эту проблему, доктор Сюэ сотрудничал с исследователями из Национального университета Сингапура и Университета Торонто, чтобы включить машинное обучение в метод оптимизации фронта Парето.
В частности, команда обратилась к обучению нейронных сетей для своего исследования, опубликованного в журнале APL Machine Learning под названием «Изучение оптимального пространства проектирования прозрачных перовскитных солнечных элементов для четырехтерминальных тандемных приложений посредством оптимизации фронта Парето».
Доктор Сюэ и его команда сначала сгенерировали набор данных, используя оптоэлектронно-электрическую модель, чтобы рассчитать эффективность для различных конфигураций четырехтерминальных (4T) перовскитных медно-индиевых селенидных солнечных элементов. С этими данными они затем обучили нейронную сеть, чтобы она могла быстро моделировать и предсказывать эффективность любого 4T тандемного солнечного элемента при различных параметрах.
Использование нейронной сети для прогнозирования эффективности значительно сократило время, необходимое для оптимизации фронта Парето. «Нейронной сети потребовалось всего 11 часов, чтобы спрогнозировать эффективность 3500 различных устройств. Выполнение того же моделирования с исходной оптико-электронно-электрической моделью заняло бы примерно шесть месяцев», — сказал доктор Сюэ.
Сэкономив время, команда смогла быстро проанализировать различные симуляции и определить оптимальную конфигурацию тандемного солнечного элемента 4T, который максимизирует эффективность при минимальных затратах. Фактически, оптимальная конфигурация, предсказанная нейронной сетью, продемонстрировала повышенную эффективность на 30,4%, а также снижение материальных затрат на 50%. Сравнение этой конструкции с существующими экспериментальными также дало исследователям новые идеи.
«Предсказанные оптимальные ячейки показывают более тонкие передние контактные электроды, слои переноса носителей заряда и задние контактные электроды», — сказал доктор Сюэ. Значение этого открытия нельзя недооценивать — они указали на то, что перенос носителей заряда, возможно, является критическим фактором в оптимизации тандемных ячеек на основе перовскита.
Для доктора Сюэ успех новой модели нейронной сети — это только начало в повышении эффективности солнечных батарей. Благодаря использованию дизайна, искусственного интеллекта и технологий производство солнечных элементов может стать более эффективным, экономичным и универсальным, что вносит значительный вклад в развитие решений в области возобновляемых источников энергии.
Команда также стремится к использовать свою нейронную сеть путем интеграции различных материальных данных. К ним относятся использование различных материалов для слоя переноса носителей заряда, а также перовскитных соединений с различными характеристиками.
Также планируется расширить свой подход к более широкому спектру архитектур тандемных устройств, таких как все Тандемные солнечные элементы -перовскит, перовскит-на-органике и перовскит-на-кремнии.
Дополнительная информация: Ху Куи Тан и др., Exploring the оптимальное пространство проектирования прозрачных перовскитных солнечных элементов для четырехполюсных тандемных приложений посредством оптимизации фронта Парето, APL Machine Learning (2024). DOI: 10.1063/5.0187208 Предоставлено Сингапурским университетом технологий и дизайна.
